IEEE RA-L

Breaking Time: A Fully Gaussian Framework for Distributed and Continuous-Time SLAM

打破时间：一种用于分布式和连续时间SLAM的全高斯框架

Davide Ceriola, Simone Ferrari, Luca Di Giammarino, Leonardo Brizi, Giorgio Grisetti

机构 * Department of Computer, Control, and Management Engineering "Antonio Ruberti", Sapienza University of Rome（计算机、控制与管理工程系（Antonio Ruberti）, 罗马萨皮恩扎大学） ； University of Stuttgart（斯图加特大学） 纠错

AI总结 提出G-solver，结合高斯信念传播和高斯过程运动先验的分布式连续时间轨迹估计框架，支持异构异步传感器和多相机场景。

Comments To be published in RA-L. Open-source implementation is released at https://github.com/rvp-group/gsolver

Enhancing Multi-Robot Exploration Using Probabilistic Frontier Prioritization with Dirichlet Process Gaussian Mixtures

利用概率前沿优先级与狄利克雷过程高斯混合模型增强多机器人探索

John Lewis Devassy, Meysam Basiri, Mário A. T. Figueiredo, Pedro U. Lima

机构 * Institute for Systems and Robotics / LARSyS and Instituto Superior Técnico, Universidade de Lisboa（系统与机器人研究所 / LARSyS 和里斯本大学理工学院） ； Instituto de Telecomunicações and Instituto Superior Técnico, Universidade de Lisboa（电信研究所和里斯本大学理工学院） 纠错

AI总结 本文提出了一种基于概率前沿优先级和狄利克雷过程高斯混合模型的改进方法，以提升多机器人探索的效率，通过在两种先进的多智能体探索算法中集成该方法，实现了在不同环境复杂度、通信限制和团队规模下的性能提升，实验结果表明平均性能提升了10%至14%。

Comments Accepted: IEEE Robotics and Automation Letters (RA-L)